nn_stm32cubeai.py

# Questo lavoro è concesso in licenza MIT.
# Copyright (c) 2013-2023 OpenMV LLC. Tutti i diritti riservati.
# https://github.com/openmv/openmv/blob/master/LICENSE
#
# Esempio STM32 CUBE.AI su OpenMV MNIST
# Vedi https://github.com/openmv/openmv/blob/master/src/stm32cubeai/README.MD

import csi
import time
import nn_st
csi0 = csi.CSI()
csi0.reset()  # Resetta e inizializza il sensore.
csi0.contrast(3)
csi0.brightness(0)
csi0.auto_gain(True)
csi0.auto_exposure(True)
csi0.pixformat(csi.GRAYSCALE)  # Imposta il formato dei pixel su scala di grigi
csi0.framesize(csi.QQQVGA)  # Imposta la dimensione del fotogramma a 80x60
csi0.snapshot(time=2000)  # Attendi che le impostazioni abbiano effetto.
clock = time.clock()  # Crea un oggetto clock per tracciare gli FPS.

# [CUBE.AI] Inizializza la rete
net = nn_st.loadnnst("network")

nn_input_sz = 28  # L'input della rete neurale è 28x28

while True:
    clock.tick()  # Aggiorna il clock degli FPS.
    img = csi0.snapshot()  # Scatta una foto e restituisce l'immagine.

    # Ritaglia al centro (evita la vignettatura)
    img.crop(
        (
            img.width() // 2 - nn_input_sz // 2,
            img.height() // 2 - nn_input_sz // 2,
            nn_input_sz,
            nn_input_sz,
        )
    )

    # Binarizza l'immagine
    img.midpoint(2, bias=0.5, threshold=True, offset=5, invert=True)

    # [CUBE.AI] Esegui l'inferenza
    out = net.predict(img)
    print("Network argmax output: {}".format(out.index(max(out))))
    img.draw_string((0, 0), str(out.index(max(out))))
    print(
        "FPS {}".format(clock.fps())
    )  # Nota: OpenMV Cam funziona a circa metà velocità quando è connessa